KI-Modelle zeigen vielversprechende Ergebnisse in der evidenzbasierten Medizin: Mount Sinai Studie

Künstliche Intelligenz (KI)-Modelle haben bemerkenswerte Fähigkeiten im Bereich der evidenzbasierten Medizin (EBM) gezeigt und bieten eine vielversprechende Lösung für die Herausforderungen, denen Gesundheitsdienstleister gegenüberstehen, um mit den neuesten Forschungsergebnissen auf dem Laufenden zu bleiben. Eine kürzlich von Forschern der Icahn School of Medicine am Mount Sinai durchgeführte Studie hat das Potenzial von Large Language Models (LLMs) aufgezeigt, die unabhängige medizinische Praxis zu revolutionieren.

KI-Modelle und evidenzbasierte Medizin

Evidenzbasierte Medizin beinhaltet die Nutzung der besten verfügbaren Forschungsergebnisse, um klinische Entscheidungen für Patienten zu treffen, und entfernt sich von traditionellen Methoden und persönlichen Überzeugungen. In der sich schnell entwickelnden medizinischen Landschaft von heute ist es für Gesundheitsfachkräfte eine enorme Aufgabe, mit dem Ansturm neuer Forschung Schritt zu halten. Die Studie legt jedoch nahe, dass KI-Chatbots, insbesondere ChatGPT-4, eine vielversprechende Lösung für diese Komplexität bieten könnten.

Das Forschungsteam testete die Fähigkeiten verschiedener KI-Modelle, darunter OpenAIs ChatGPT, Gemini, LLAMA v2 und Mixtral-8x7B. Diesen Modellen wurden zuvor kuratierte Fallakten zur Verfügung gestellt, und sie wurden beauftragt, klinische Entscheidungen auf der Grundlage der verfügbaren Daten zu treffen. Die Forscher bewerteten ihre Leistung anhand mehrerer Metriken.

ChatGPT-4 führt den Weg an

In ihrem Bericht bewerteten die Forscher die Widerstandsfähigkeit der KI-Modelle gegen Halluzinationen, die Validität ihrer klinischen Entscheidungen und ihre Einhaltung klinischer Richtlinien. Der herausragende Performer in dieser Studie war ChatGPT-4, der die größte Fähigkeit zeigte, in einem klinischen Umfeld ohne menschliches Eingreifen zu funktionieren und andere LLMs zu übertreffen.

Laut dem Bericht „können LLMs als autonome Praktiker der evidenzbasierten Medizin fungieren.“ Es hebt ihr Potenzial hervor, mit realen Gesundheitssystemen zu interagieren und Patientenaufgaben gemäß etablierten Richtlinien zu verwalten.

Trotz der beeindruckenden Leistung von LLMs in der EBM identifizierte die Studie mehrere Bereiche, die Verbesserungen in ihrem Betrieb erfordern. Eine erhebliche Einschränkung ist, dass Mainstream-LLMs oft eine Trainingsbegrenzung im Jahr 2021 haben, was sie gegenüber neuen medizinischen Daten nach diesem Datum unwissend macht. Der Bericht stellt fest, dass die Aktualisierung dieser Modelle mit neuen medizinischen Informationen ein kostspieliges Unterfangen ist, das ihre praktische Anwendung behindern könnte.

Darüber hinaus besteht die Sorge vor dem Risiko von Halluzinationen, wenn LLMs gebeten werden, Informationen zu unbekannten medizinischen Themen zu generieren. Außerdem fehlen Daten zu kulturellen Aspekten und Antibiotikaresistenzen, was die Genauigkeit klinischer Entscheidungen beeinträchtigen könnte.

Innovative Lösungen

Um die Leistung von LLMs in der EBM zu verbessern, stellten die Forscher ein neues Tool namens Retrieval Augmented Generation (RAG) vor. Dieser Ansatz beinhaltet die Bereitstellung von aufgaben spezifischen Informationen an KI-Modelle, was die Qualität ihrer Antworten effektiv verbessert.

Prompt Engineering wurde als weitere Methode zur Verfeinerung der LLM-Antworten identifiziert. Durch die Anweisung des LLM mit spezifischen Informationen, wie „Du bist ein Medizinprofessor“, stellten die Forscher fest, dass die Antworten patienten- und gesundheitsystemspezifischer wurden.

Die Forscher erkennen Einschränkungen in der Fähigkeit der Modelle an, komplexe Richtlinien und diagnostische Nuancen zu handhaben, glauben jedoch, dass Retrieval Augmented Generation dazu beitragen kann, diese Probleme anzugehen, wodurch Empfehlungen patientenzentrierter und an Gesundheitssysteme anpassbar werden.

KI und Medizin in einer vielversprechenden Zukunft

Die Integration aufkommender Technologien wie KI und Blockchain schreitet in der Medizin und im öffentlichen Gesundheitswesen rasch voran. Es werden Forschungen durchgeführt, um das Potenzial von KI in den Bereichen Krebsfrüherkennung und Epidemieüberwachung zu untersuchen.

Damit KI gedeihen und innerhalb der gesetzlichen Grenzen operieren kann, während sie wachsenden Herausforderungen begegnet, schlagen Experten vor, ein unternehmensweiter Blockchain-System zu integrieren. Ein solches System würde die Qualität der Dateneingabe und das Eigentum sicherstellen und so die Datenintegrität und Unveränderlichkeit schützen.

Die Mount Sinai Studie hebt das Potenzial von KI, insbesondere ChatGPT-4, bei der Transformation der evidenzbasierten Medizin hervor. Während Herausforderungen bestehen, bieten innovative Lösungen wie Retrieval Augmented Generation vielversprechende Wege, um die Leistung von KI-Modellen in klinischen Umgebungen zu verbessern. Da die Technologie weiterhin fortschreitet, verspricht die Zukunft der KI im Gesundheitswesen große Hoffnungen für die Verbesserung der Patientenversorgung und der klinischen Entscheidungsfindung.